Assignment 1

Corpus :

A hindi language text has been used as a corpus. The text corresponds to a Hindi novel. The text file is available [here]

Plot of syllable frequency vs syllable index for Hindi Language :


Plot of bigram frequency vs syllable index for Hindi Language :



Most frequently occuring syllables:

उ 3253	अ 2874	ए 2376	आ 2220	या 1988	से 1870	है 1721	का 1626
हो 1609	मे 1598	के 1488	ने 1400	की 1358	था 1342	कि 1315	औ 1287

Most frequently occuring bigrams:

जॉन 768	देख 599	क्य 509	प्र 503	नेक 452	कुछ 445	बोल 424	फिर 386
जान 384	लेक 383	तुम 346	स्त 315	किय 301	हूव 299	किस 290	मेर 287

Results on Second Language-Sanskrit:

The corporus can be found [here]

Plot of syllable frequency vs syllable index for Sanskrit Language Text:



Most popular syllables:

अ 680	त 646	या 546	वा 414	ष 378	वि 375	र 371	ना 357
ता 320	ति 316	रा 294	उ 287	पा 267	क 243	न 210	नि 198

Plot of bigram frequency vs syllable index for Sanskrit Language Text:



Most popular bigrams:

त्र 371	र्व 287	स्य 274	त्य 207	क्ष 201	न्त 195	याय 168	त्त 164
ष्ट 151	त्व 134	क्त 129	ध्य 125	श्र 112	न्य 112	वान 102	ण्ड 99

The code for finding syllables can be found [here]
The code for finding bigrams can be found [here]